統合されたウイルス・細菌シグネチャーに基づく、ウイルス量と高解像度マイクロバイオームプロファイリングによるCOVID-19死亡率予測

科学分野:

• 微生物学
• 感染症
• 計算生物学

背景:

• SARS-CoV-2感染およびCOVID-19転帰予測における鼻咽頭（NP）マイクロバイオオームの役割は、さらに定義する必要がある。
• SARS-CoV-2感染中の宿主免疫応答の調節におけるNPマイクロバイオオームの可能性を調査することは重要である。

研究 の 目的:

• COVID-19患者の死亡率予測を強化するために、NP微生物プロファイルとウイルス学的および臨床データを統合できるかどうかを判断すること。
• マルチオミクスアプローチを使用してCOVID-19死亡率を予測するための堅牢なフレームワークを開発すること。

主な方法:

• 微生物プロファイリングのために16S rRNAシーケンシングを使用した81人のCOVID-19患者および70人の対照群からの鼻咽頭スワブの分析。
• 死亡率予測のための微生物分類群、ウイルス量、および臨床メタデータを統合する機械学習モデルの開発。

主要な成果:

• 高ウイルス量は死亡率の最も強力な独立した予測因子であった（OR：3.80）。
• SARS-CoV-2感染は微生物群集の均等性を著しく低下させた。
• 統合された機械学習モデル（ウイルス量、年齢、微生物分類群）は、死亡率に対して高い予測精度を達成した（AUC = 0.9046）。これは臨床データのみの場合を上回った。

結論:

• NPマイクロバイオオームとウイルス量を組み合わせた統合アプローチは、COVID-19死亡率を予測するための堅牢なフレームワークを提供する。
• この戦略は、COVID-19患者の臨床リスク層別化を改善するための有望な非侵襲的ツールとなる。